基于图卷积网络的中文短文本细粒度情感分析

摘要

随着移动互联网的快速普及,网络上各种电商平台的商品评论、社交网络平台的社交评论等激增,这些评论信息中的情感倾向具有巨大的商业价值和社会价值。利用图卷积网络(GCN)技术对微博评论数据集和酒店评论数据集等中文短文本进行情感分析,分析过程中对相关评论文本进行情感标注、文本清洗、中文分词等预处理工作,再使用word2vec模型对预处理后的评论文本进行文本向量化,并利用GCN模型与深度学习模型CNN、RNN、RCNN等进行情感分析对比实验。实验结果表明,本文提出的基于GCN的细粒度模型相比于CNN、RNN、RCNN等模型能提高评论类文本情感分析的准确率,在微博评论和酒店评论的数据集上的准确率分别提高了4.79%、1.58%以上,从而验证了该模型在中文短文本情感分析方面的有效性。